Bar*_*ich 4 python classification scikit-learn logistic-regression
不确定这是否是这个问题的好地方,但我被告知CrossValidated不是.所以,所有这些问题都涉及sklearn,但如果你对逻辑回归有一般的见解,我也很乐意听到它们.
1)数据是否必须标准化(平均0,stdev 1)？
2)在sklearn中,如何指定我想要的正则化类型(L1与L2)？请注意,这与惩罚不同; 惩罚是指分类错误,而不是对系数的修正.
3)我如何使用变量选择？即,类似于用于线性回归的套索.
4)使用正则化时,如何优化C,正则化强度？有内置的东西,还是我自己要照顾好这个？
可能一个例子是最有帮助的,但我很欣赏任何这些问题的见解.
这是我的出发点:http://scikit-learn.org/stable/modules/generated/sklearn.linear_model.LogisticRegression.html
非常感谢你提前!
1)对于逻辑回归,没有.您没有计算实例之间的距离.
2)您可以指定penalty='l1'或penalty='l2'参数.请参阅LogisticRegression页面.L2惩罚是默认的.
3)有迹象表明,scikit学习提供,例如使用各种明确的特征选择技术SelectKBest用卡方排名功能.
4)您将要进行网格搜索以获得最佳参数.
有关所有这些问题的更多详细信息,我建议您阅读一些示例,例如本章和本章.
| 归档时间： |
|
| 查看次数： |
1898 次 |
| 最近记录： |